{"id":67771,"date":"2026-02-24T09:47:14","date_gmt":"2026-02-24T15:47:14","guid":{"rendered":"https:\/\/saluddigital.com\/?p=67771"},"modified":"2026-02-24T09:51:41","modified_gmt":"2026-02-24T15:51:41","slug":"nuevo-modelo-de-lenguaje-impulsa-la-vigilancia-en-salud-publica-a-partir-de-redes-sociales","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/nuevo-modelo-de-lenguaje-impulsa-la-vigilancia-en-salud-publica-a-partir-de-redes-sociales\/","title":{"rendered":"Nuevo modelo de lenguaje impulsa la vigilancia en salud p\u00fablica a partir de redes sociales"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

PH-LLM, una suite multiling\u00fce especializada en analizar redes sociales para anticipar riesgos sanitarios en tiempo real.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Un equipo internacional de investigadores present\u00f3 en npj Digital Medicine journal<\/em><\/a> una nueva familia de grandes modelos de lenguaje (LLM, en ingl\u00e9s) dise\u00f1ada espec\u00edficamente para la vigilancia en salud p\u00fablica a partir de redes sociales<\/strong>. El sistema, denominado PH-LLM, busca ofrecer monitoreo en tiempo real<\/strong> sobre actitudes, desinformaci\u00f3n y comportamientos relacionados con temas sanitarios, con un enfoque multiling\u00fce y de bajo costo operativo.<\/p>

The vigilancia digital, tambi\u00e9n conocida como infoveillance<\/em><\/strong>, se ha convertido en una herramienta clave para complementar los sistemas tradicionales de vigilancia epidemiol\u00f3gica. Durante la pandemia de COVID-19, el an\u00e1lisis de publicaciones en plataformas sociales permiti\u00f3 identificar tendencias sobre aceptaci\u00f3n de vacunas, uso de mascarillas, salud mental y circulaci\u00f3n de noticias falsas. Sin embargo, los autores se\u00f1alan que hasta ahora no exist\u00eda un modelo de lenguaje entrenado espec\u00edficamente para este tipo de tareas en salud p\u00fablica y que, adem\u00e1s, estuviera disponible de forma abierta.<\/p>

PH-LLM fue desarrollado a partir de una versi\u00f3n instruccional del modelo Qwen 2.5, que fue ajustado mediante t\u00e9cnicas de adaptaci\u00f3n eficiente como QLoRA y LoRAPlus. Los investigadores construyeron un corpus de entrenamiento con m\u00e1s de 593 mil pares de instrucciones y respuestas, derivados de 30 conjuntos de datos de redes sociales previamente anotados de forma manual. Estos inclu\u00edan 96 tareas relacionadas con sentimiento hacia vacunas, desinformaci\u00f3n, discurso de odio, salud mental y adherencia a intervenciones no farmacol\u00f3gicas.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Para evaluar el desempe\u00f1o del modelo, el equipo dise\u00f1\u00f3 el primer benchmark<\/em> multiling\u00fce espec\u00edfico para infoveillance en salud p\u00fablica. El sistema fue probado en 39 tareas independientes distribuidas en 10 conjuntos de datos en ingl\u00e9s, chino, \u00e1rabe e indonesio<\/strong>, sin superposici\u00f3n con el entrenamiento.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los resultados mostraron que las versiones m\u00e1s grandes del modelo, PH-LLM-14B y PH-LLM-32B, superaron consistentemente a modelos abiertos y propietarios de mayor tama\u00f1o. En tareas en ingl\u00e9s, PH-LLM-32B alcanz\u00f3 un rendimiento promedio de 57.9 por ciento, por encima de modelos como GPT-4o, Llama 3.1 70B Instruct y Mistral Large Instruct 2407. En evaluaciones multiling\u00fces tambi\u00e9n mostr\u00f3 un desempe\u00f1o superior, incluso frente a sistemas con m\u00e1s par\u00e1metros.<\/p>

Un hallazgo relevante es que PH-LLM logr\u00f3 resultados competitivos en configuraci\u00f3n zero-shot<\/em>, es decir, sin entrenamiento espec\u00edfico para cada tarea. Esto reduce la necesidad de grandes vol\u00famenes de datos anotados y de infraestructura computacional costosa, lo que podr\u00eda facilitar su implementaci\u00f3n en pa\u00edses de ingresos bajos y medianos.<\/p>

Los autores subrayan que el modelo est\u00e1 dise\u00f1ado para ser accesible a profesionales de salud p\u00fablica sin formaci\u00f3n avanzada en inform\u00e1tica<\/strong>. Al combinar las predicciones del modelo con metadatos como ubicaci\u00f3n geogr\u00e1fica o fecha de publicaci\u00f3n, es posible detectar tendencias espacio-temporales en opiniones, preocupaciones o narrativas emergentes. Por ejemplo, podr\u00eda utilizarse para monitorear cambios s\u00fabitos en la confianza hacia programas de vacunaci\u00f3n o para identificar focos de desinformaci\u00f3n durante brotes epid\u00e9micos.<\/p>

El equipo tambi\u00e9n reconoce limitaciones, pues algunas tareas de clasificaci\u00f3n presentaron resultados sub\u00f3ptimos, en parte debido a desbalances en las clases de los conjuntos de datos. Adem\u00e1s, el entrenamiento se bas\u00f3 en datos previamente anotados por distintos equipos, lo que podr\u00eda introducir sesgos. Los investigadores advierten que las publicaciones en redes sociales no representan a toda la poblaci\u00f3n y pueden subrepresentar a adultos mayores o personas con menor alfabetizaci\u00f3n digital.<\/p>

Los autores concluyen que la implementaci\u00f3n de esta herramienta podr\u00eda fortalecer la toma de decisiones basada en evidencia y mejorar la capacidad de respuesta ante futuras emergencias sanitarias globales.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

NATURE<\/strong><\/p>

https:\/\/www.nature.com\/articles\/s41746-026-02435-6<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

PH-LLM, el nuevo modelo de lenguaje que impulsa la vigilancia en salud p\u00fablica a partir de redes sociales en tiempo real.<\/p>","protected":false},"author":1,"featured_media":67772,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-67771","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/67771","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=67771"}],"version-history":[{"count":4,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/67771\/revisions"}],"predecessor-version":[{"id":67776,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/67771\/revisions\/67776"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/67772"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=67771"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=67771"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=67771"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}